基于D-S理论的认知无线电频谱感知算法

针对目前的认知无线电频谱感知数据融合判决规则忽略了各感知节点所处环境差异这一问题,研究了一种基于信任度的多节点频谱感知算法,将D-S证据理论引入判决融合中,通过Matlab仿真验证了该算法的性能相比于原有的频谱感知数据融合算法有了很大的提高。

基于改进的D-S证据理论的旋转整流器故障诊断研究

D-S融合规则是证据理论的重要部分,广泛应用于多信息融合算法中。由于该组合规则本身存在一些不足之处,应用到旋转整流器的故障诊断中,效果不理想。建立了发电机的系统模型,利用小波能量法提取故障特征,并提出了一种改进融合算法——冲突证据融合规则,其有效克服了D-S融合规则的不足,对一组实测故障数据的融合诊断表明,能够对故障做出准确判断。

时序证据的加窗累积D-S组合推理方法

针对相关时序证据的D-S组合证据推理,分析了传统D-S组合规则的一直累积融合所产生的组合证据趋于平凡解的不合理原因,提出了一种时序证据加窗累积融合的D-S组合推理新方法,并根据组合证据判决置信度推导了窗口大小的自适应选取公式,数值实例分析说明了本方法的有效性。

D-S证据理论中一种新的冲突证据融合方法

针对D-S证据理论在融合高度冲突的证据时可能导致与直观结果相悖的问题,通过分析现有的几种冲突证据融合方法,提出了一种有效处理冲突证据的融合方法。该方法综合了模型修正和规则修正这两类方法的优点。首先基于冲突系数矩阵计算证据的可信度,并以此作为折扣因子来修正证据结构,然后基于局部冲突、局部分配原则确定证据合成时的冲突分配空间和分配权重。实验结果表明,该方法对合理的合成方向具有较快的收敛速度,同时降低了决策风险。

一种改进的D-S证据合成规则

Dempster合成规则是一种经典D-S理论的合成规则,但在合成高度冲突的证据时出现了有悖常理的现象。为了解决冲突证据的合成问题,提出一种改进的合成规则。首先讨论一个容易被忽略的问题——如何更合理地定义两个证据之间的冲突程度,并试给出一种基于"未兑现的信度"和"决策距离"两个参数共同定义的冲突程度的合理量化指标,在此基础上提出了改进的Dempster合成规则,使其既具有经典Dempster合成规则优越的信息聚焦性能,又避免了在冲突证据合成时出现有悖常理的现象。最后通过仿真实验验证了该规则的优越性能。

一种新的基于证据权重的D-S改进算法

D-S(Dempster-Shafer)证据理论是一种有效的不确定性推理方法,但在组合高冲突证据时,D-S证据理论得到的结果却往往有悖常理。为了解决冲突证据的合成问题,考虑到不同的证据在合成过程中的重要程度不同,提出了一种新的基于证据权重的D-S改进算法。该方法首先引入一个度量证据体间相似度的证据距离函数,建立相应的证据距离矩阵,求出系统中各证据到证据集的平均欧式距离,然后通过信任函数来获得描述各证据重要程度的权重系数并对证据源进行修正,最后利用D-S组合规则对修正后的证据进行合成。通过算例的分析以及与其它改进算法的比较,验证了新方法的有效性和优越性。

组合D-S证据理论在多传感器信息融合中的应用

在多传感器的目标跟踪领域中,Dempster-Shafer证据理论及其组合方法得到了广泛的应用,但该理论本身也存在一些不足之处。针对D-S组合规则无法解决冲突证据这一情况,根据传感器的优先级不同,提出了采用组合的改进算法来取得合乎直观的合理结果。该算法简单,避免了复杂的数学运算,具有良好的工程应用背景。给定方法与传统D-S理论相比,提高了决策的准确性。

考虑传感器置信度的改进D-S证据合成算法

为了解决多源信息融合识别算法中传统Dempster-Shafer(D-S)证据理论极少考虑传感器对融合结果产生影响的问题,提出一种考虑传感器置信度的D-S证据合成算法。首先建立传感器与参考传感器关于任一特征的置信距离,通过置信距离修正传统灰关联分析法的关联系数,从而计算传感器置信度;然后通过证据间的相似性定义任一特征所得证据的全局冲突系数,将全局冲突系数与传感器置信度相结合,定义了一种传感器所得证据可用度的计算方法;最后根据证据可用度对传统D-S证据理论进行修正,提出一种新的证据合成规则。仿真及实验数据表明,相比已有算法,新算法的目标识别率更高,对证据冲突的处理更有效。

D-S证据理论在目标识别中的应用

D-S证据理论的应用过程与事件密切相关,针对目标识别这一特定领域,研究了证据理论中基本概率赋值的获取、组合规则及决策规则等问题。识别实例中,利用灰关联分析法来处理基本概率赋值的问题,对多传感器基本概率赋值进行组合后,最终通过决策完成对2种车型的类型识别,经计算仿真表明,D-S证据理论在目标识别中具有一定的有效性和优越性。

D-S证据理论在多源数据融合中的应用及改进

在不确定性处理算法中,D-S证据理论具有较好的应用效果。阐述了D-S证据理论及其在多传感器数据融合中的应用。从改进合成规则和证据源数据两方面对当前的一些改进方法进行了分析比较。提出一种基于冲突强度的证据合成规则,并在Murphy证据平均合成规则的基础上提出一种基于证据间相似系数的证据合成规则,通过实例对这几种方法进行了比较,证明了基于相似系数证据合成规则的有效性。

D-S规则推广及其在飞机目标识别中的应用研究

在多传感器特征信息融合算法中,D-S理论得到了广泛应用,但该理论在处理多特征冲突问题时识别效果不十分理想。针对这种情况,本文推广了D-S规则,得出了一种处理冲突信息的新方法。在分析推广规则受融合顺序影响的基础上,提出了最佳融合顺序,较好地利用了冲突信息,并通过仿真比较了D-S规则和推广规则应用于飞机目标识别的效果。结果表明:本文提出的D-S理论推广规则能有效解决多特征冲突的飞机目标识别难题。

基于D-S证据理论的分布式入侵检测方法研究

入侵检测系统是信息安全的一种重要手段,该文提出了一种基于D-S证据理论的分布式入侵检测系统模型,讨论了其实现方法,并进行了仿真实验,仿真实验表明经过多传感器数据融合后得到的结果优于单传感器得到的结果。

基于D-S证据理论的信息安全风险评估

采用Dempster-Shafer(D-S)证据理论处理信息安全风险评估中的不确定性问题,提出了基于D-S证据理论的风险评估模型。用改进的Dempster合成法则即对基本可信度分配使用"折扣率"的方法,对信息系统中存在的各种风险因素进行合成,处理风险因素中的不确定性,并通过仿真证明了该算法的正确性。最后,通过与模糊综合评判法进行比较验证了证据理论具有更高的准确性。

一种基于D-S证据理论的水轮机故障诊断方法

为解决不确定条件下水轮机故障诊断问题,在故障样本集的基础上通过粗糙集约简冗余属性获取了诊断规则进行故障诊断。对检测信息不完备时根据检测条件属性通过贝叶斯定理计算缺失属性发生的概率用于故障判断。针对多个诊断中出现的问题,通过D-S证据理论进行融合以获取一致性输出。示例证明了该方法的可行性与有效性。

一种基于证据距离的D-S改进算法

针对高冲突下Dempster证据组合规则失效的问题,定义了描述证据可靠程度的可信度的概念,提出了一种改进的D-S组合算法。该方法首先通过证据距离,建立相似性矩阵,确定证据可信度,对证据进行预处理,再采用Dempster规则进行组合。通过仿真算例并与其它改进方法进行对比,验证了新算法在高冲突证据的情况下,可以有效地减小冲突对组合结果的影响,同时提高了证据组合的收敛速度,降低了决策风险。

D-S证据理论中冲突证据组合分析

分析了D-S证据理论组合冲突证据时存在的缺陷,以及国内外对此的各种改进方法,包括对证据组合规则的改进和对融合模型的改进,并通过实验比较检验了几种方法的有效性。

基于D-S证据理论的短期负荷预测模型融合

在各种预测模型融合时确定各种模型的权重直接影响到预测精度。对3种不同的神经网络负荷预测模型分别建立了权重提取和权重融合的数学模型,并运用证据理论对3种预测模型的权重进行融合。通过对历史预测数据的分析,提取了证据理论的融合样本,并将信度函数的多重融合结果作为负荷预测模型权重,得到权重融合后待预测日的负荷预测结果。将权重融合模型的预测结果与单一模型的预测结果进行比较,结果表明权重融合后的模型具有更高的预测精度,提高了负荷预测的准确性。

一种改进的D-S证据组合规则

根据D-S证据组合规则失效问题和现有的处理方法的不足,提出一种新的证据组合规则。在证据冲突较小时采用Dempster组合规则;证据冲突较大时,按新证据在全部证据中所占的比例来分配冲突,避免了因冲突较大而产生的失效问题。实验表明,新规则与现有的冲算处理方法相比,算法更简单,融合结果更有效。

基于D-S证据理论的网络安全风险评估模型

针对网络信息系统的安全风险评估问题,提出了基于D-S证据理论的风险评估模型。证据理论是一种处理不确定性的推理方法。首先用"折扣率"对Dempster合成法则进行了改进,然后使用改进后的Dempser合成法则对网络中存在的各种风险因素进行合成,减少了风险因素中的不确定性,并以实例验证了该模型在网络安全风险评估中的应用,仿真结果证明了该算法的正确性。最后,通过与模糊综合评判法进行比较验证了证据理论具有更高的准确性。

D-S证据理论在驾驶行为决策中的应用

利用仿生学原理、D-S证据理论、模糊数学知识和产生式规则,研究了一种决策级多传感器信息融合算法。经仿真验证,此算法实时性好,能表示驾驶员的不确定性经验知识,克服其认知局限性,模拟其驾驶行为决策,快速、准确地确定车辆的运行模式,在一个或多个传感器失效的情况下也能保证一定的综合性能,具有良好的容错能力。同时,该研究也为智能车辆自动驾驶系统的仿真及实现提供了基础性理论依据。